白杨，王盼，赵鹏飞，郭建忠，王家耀

1.河南大学地理与环境学院,郑州450046;

2.河南省时空大数据技术创新中心,郑州450046;

3.黄河中下游数字地理技术教育部重点实验室(河南大学),开封475004;

4.河南省时空大数据产业技术研究院,郑州450046

1 引言

高浓度臭氧对人类健康、植被生产力和作物产量均有不良影响（Yang 等，2019；Yue 等，2017；Zhao 等，2020）。近年来，中国大部分城市近地面O3浓度日益增加，成为继PM2.5后的主要大气污染物。由于缺乏对大气臭氧污染的长期监测，使得PM2.5与O3协同治理的难度加大（Wang 等，2017，2019；Liu 等，2021）。局地O3污染形成过程及浓度的高低受前体物、光化学反应速率和扩散传输的共同影响。研究表明O3生成速率与前体物VOCs 和NOx 之间是复杂的非线性关系，仅靠控制单一前体物的排放并不能有效地减缓臭氧污染。因此，判断臭氧污染区域的光化学属性、确定臭氧生成敏感性OFS（Ozone Formation Sensitivity）的主要影响因素，是开展臭氧污染防治工作的前提（He等，2019；Li等，2021a）。

当前诊断和评估臭氧生成敏感性的方法主要有基于空气质量模型的数值模拟法和基于观测数据的方法。常见基于观测的手段主要有参数比值法（Sillman 和He，2002；Sillman，2003；Sillman等，2003）、OBM 模型法OBM（Observation Based Model）和光化学烟雾产量模型法SPM（Smog Production Model）等（Cardelino 和Chameides，2000；Su 等，2018；陆克定等，2010）。数值模拟法依赖于气象条件和排放清单的准确性，而地面观测方案往往仅以单一城市或站点为研究对象，观测时间短，未能顾及OFS 空间分布的异质性，难以实现对宏观范围内臭氧生成敏感区的划分。随着卫星及航空遥感技术的发展，长时间序列、空间范围广、监测连续的臭氧前体物产品数据（甲醛HCHO、二氧化氮NO2等对流层柱浓度）为研究大区域范围内OFS 的时空变化特征提供了数据保障和科学手段（Souri等，2020；Schroeder等，2017；陈良富等，2021；朱松岩等，2019）。以参数比值法中探测城市区域臭氧敏感性较适宜的H2O2/HNO3指示剂（Sillman，1995）为基础，卫星遥感FNR（Ratio of the tropospheric columns of Formaldehyde to Nitrogen dioxide）指示剂首先被应用到GOME（Global Ozone Monitoring Experiment）卫星来诊断地面臭氧浓度对人为源排放的敏感性（Martin 等，2004）。之后，FNR（HCHO/NO2）被应用于空间分辨率更高的OMI（Ozone Monitoring Instrument）卫星数据，探测城市区域内的臭氧敏感性，可将研究区划分为VOCs 控制区（限制VOCs 排放可减少O3生成）、NOx 控制区（限制NOx 排放可减少O3生成）和协同控制区（需共同限制VOCs 和NOx 排放）。该方法在美国的洛杉矶和纽约地区、中国的珠三角和中东部地区均取得了广泛的应用（Wang 等，2021a；Duncan 等，2010；Jin 和Holloway，2015；武卫玲等，2018；庄立跃等，2019）。

不同城市间的气象条件、气候背景和前体物排放特点有所差异，使得气象因素、人为源排放因素及两者的交互作用对近地面O3浓度的影响呈现出空间异质性（Liu等，2020；Wang等，2021b；Dang 等，2021；Sun 等，2021）。为了进一步探究气象因子、人为源前体物对OFS 时空变化的影响，研究者多直接基于相关系数、灰度关联分析等方法识别使OFS 发生变化的关键因素（Jin 和Holloway，2015；Chen 等，2020）。但是缺乏对人为源前体物和气象因子交互作用的探究。因此，以河南省为例，利用OMI FNR 指示剂将其划分为VOCs 控制区、协同控制区和NOx 控制区，并基于地理探测器分析揭示人为源前体物、气象条件及两者的交互作用对河南省夏季臭氧敏感性变化的影响。

2 数据与方法

2.1 研究区域概况

根据中国环境空气质量标准《GB 3095-2012》和环境空气质量评价规范《HJ 663-2013》，采用国控站大气污染监测的日最大8 小时浓度均值MAD8_O3（Daily Maximum 8-h Average Ozone concentration），对河南省近地面臭氧一级污染（＞100 μg/m3）和二级污染（＞160 μg/m3）天数进行统计。发现一级污染天数在2015年—2020年间呈波动上升趋势，二级污染天数在2015年—2019年逐年递增，仅2020年有所下降（图1（b））。

夏季是河南省内各城市臭氧污染的高发时段，这主要归因于近地面温度低于20℃时，很少发生光化学反应产生O3（Sillman，2003）。2015年—2020年的6—8月，河南省内所有城市MAD8_O3均达到一级污染，郑州市及其周边区域均达到二级污染（图1（a））。

图1 2015年—2020年河南省夏季臭氧污染概况Fig.1 Ozone pollution in Henan Province from 2015 to 2020

2.2 试验数据

NO2对流层柱浓度数据为NASA 发布的第三版本OMI L3（OMNO2d）日均值产品（https：//disc.gsfc.nasa.gov/datasets/OMNO2d_003/summary？keywords=aura［2022-02-17］）。该产品基于面积权重法，由L2 级生成L3 级产品时，去除了“row anomaly”行异常像元。仅选取云覆盖比例cloud fraction 小于30%和地表反射率surface reflectivity 小于0.3 的像元（Lamsal 等，2021）。该NO2柱浓度数据产品的空间分辨率为0.25°×0.25°，总不确定度不超过20%。

日尺度和月均HCHO 柱浓度数据由比利时太空宇航研究院（BIRA-IASB）使用NASA/KNMI 开发的一级数据生成，发布于对流层排放监测网（TEMIS，https：//www.temis.nl/index.php［2022-02-17］）。相对于早期的OMI HCHO 柱浓度数据，BIRA-IASB 发布的第14 版数据集使仪器退化的影响减少了2倍。该方法通过在辐照度校准的过程中使用非对称高斯线性拟合，同时使用依赖于行的背景归一化处理，降低了OMI 产品的条带效应（Baek 等，2014）。OMI HCHO 柱浓度空间分辨率为0.25°×0.25°，总不确定度为25%。

采用清华大学开发的中国多尺度排放清单MEIC（Multi-resolution Emission Inventory for China）数据，分析OFS 与人为源前体物的关系。MEIC 提供高分辨率的NOx、非甲烷挥发性有机物NMVOC、CO、PM2.5在内的10 种大气污染物以及CO2的人为排放数据，覆盖中国大陆地区700 多种人为排放源，并将这些人为排放源归类到5个排放部门（电力源、工业源、民用源、交通源以及农业源）（Li 等，2017）。使用0.25°空间分辨率的逐月MEIC 网格NOx、NMVOC、CO、PM2.5这4 种人为排放数据来研究前体物对OFS的影响。

采用欧洲中期天气预报中心ECMWF（European Centre for Medium-Range Weather Forecasts）发布的ERA5月均小时尺度的气象要素再分析产品，计算UTC 时间5：00 和6：00（北京时间13：00和14：00）这两个时间段的均值代表OMI过境时刻的气象数据。采用地理探测器，分析行星边界层高度BLH（Boundary Layer Height）、10 m 风速WS10（10 meter wind speed）、地表大气压力SP（Surface air Pressure）、地表净太阳辐射SSR（Surface net Solar Radiation）、2 m 气温T2（2 meter temperature）、大气柱总水量TCW（Total Column Water）这6 个气象要素对OFS 的影响程度，其空间分辨率为0.25°×0.25°。

2.3 臭氧敏感性分区方案

采用OMI 卫星观测的HCHO 和NO2月均值产品，计算研究区夏季月尺度OMI FNR（HCHO/NO2）。当FNR＜2.3 时，研究区为VOCs 控制区；当FNR＞4.2 时，研究区为NOx 控制区；当2.3＜FNR＜4.2时，为协同控制区（Wang等，2021a）。该分区方案基于CLASS 模型（Chemistry Land-surface Atmosphere Soil Slab model）模拟O3生成和NO2、HCHO 之间的非线性关系，通过关联卫星观测OMI FNR 与中国地面观测站O3浓度，得到适合中国区域的OFS分区阈值。相较于Duncan等（2010）的分区方案（当FNR＜1 时，研究区为VOCs 控制区；当FNR＞2 时，研究区为NOx 控制区；当1＜FNR＜2 时，为协同控制区），更适用于郊区和偏远城市。在判定研究区日尺度和年尺度的OFS 时，采用的分区方案与月尺度相同。

2.4 地理探测器

采用地理探测器（王劲峰和徐成东，2017）中的“分异及因子探测器”和“交互作用探测器”来定量解释河南省OFS的空间异质性及其驱动力。

分异及因子探测器的数学模型如式（1）所示：

式中，q统计量表示因子X对OFS 空间分异性的解释程度，X包括NOx、NMVOC、CO、PM2.5这4 种人为排放源，以及BLH、WS10、SP、SSR、T2、TCW 这6 种气象要素。q的取值范围为［0，1］，q的值越大，表明因子X对OFS 变化解释的程度越大，影响越大。h= 1，2，3…，L为各人为排放源和气象要素的分类或者分区的数目，Nh和N表示因子的第h类的样本数量和区域的样本总数量；σh和σ则表示因子的第h类的样本方差和区域的样本总方差。各因子最优离散方案由地理探测器工具自动选取，各因子的分区方案、分区数目及各分区样本数量详见附录A（电子版）。

交互作用探测器用来判别两个因子的共同作用相对于单因子对因变量解释能力的强弱。以CO和SSR 两种因子为例，首先分别探测两者对OFS的解释能力q（CO）、q（SSR），然后计算CO 和SSR 的交互作用q（CO∩SSR），通过比较q（CO）、q（SSR）、q（CO∩SSR）之间的关系，确定CO 和SSR两种因子对OFS变化影响的交互作用类型。若q（CO∩SSR）＞q（CO）+q（SSR），则其交互作用属于非线性增强；若q（CO∩SSR）=q（CO）+q（SSR），则交互作用是独立的；若q（CO∩SSR）＞Max（q（CO），q（SSR）），则交互作用为双因子增强。否则，交互作用均为减弱。

3 结果与分析

3.1 O3-NOX-VOCs敏感性的空间变化特征

为深入理解FNR 的空间分布，以2013年《大气污染防治行动计划》发布时间为界限，分别计算了河南省2005年—2012年和2013年—2016年夏季HCHO 和NO2柱浓度的均值，其结果如图2所示。可以发现：（1）2005年—2016年研究区域内HCHO浓度呈上升趋势，高值主要集中在河南省中部和东北部的人口密集和工业发达区域。（2）由于《大气污染防治行动计划》的发布，区域内NO2浓度值由2005年—2012年的上升趋势转变为下降趋势。NO2浓度高值区域主要位于河南省北部一些煤源型电厂分布较多的城市，其次是人口密集机动车较多的城市。（3）HCHO 浓度均值（13.9×1015molec./cm2）整体要比NO2浓度均值（5.17×1015molec./cm2）高，但NO2浓度值空间分布差异较大。以2015年为例，NO2高值区域浓度约是低值区域的4.5倍。

图2 河南省夏季对流层HCHO和NO2柱浓度均值Fig.2 Average of tropospheric HCHO and NO2 in summer in Henan Province

基于所采用的臭氧生成敏感区划分方案，河南省2005年—2016年夏季OFS 的分区结果如图3所示。由图3可知：

图3 河南省2005年—2016年夏季O3生成敏感性分类结果Fig.3 The classification of ozone formation sensitivity in Henan Province in summer from 2005 to 2016

（1）NOx 控制区较少，主要分布在河南省西南部偏远城市的郊区。区域内NO2浓度较低，约为HCHO浓度的20%，主要来源于交通、工业和电力的NOx 排放；NMVOC 排放中工业源占比超过50%，交通和民用排放量相差不大（图4）。NOx控制区占总网格单元的比例最高约为26%（2006年和2013年），其他年份均在10%左右甚至更低。表现为协同控制区与NOX控制区的相互转变。

（2）协同控制区占主导地位。在河南省区域的占比由54.6%（2006年）波动升高至82.9%（2016年）。该区域内HCHO浓度约为NO2的3.2倍。2013年之前主要集中在郑州市北部、洛阳市东北部、平顶山市中部及北部、许昌市北部、开封市西部等人口稠密区域。2013年后，随着VOCs控制区的逐渐减少，协同控制区则以河南中部为中心，向四周辐射。区域内工业过程排放的NMVOC 最大，占比超过53%，且呈逐年增加趋势；交通源排放占比变化不大；民用源排放逐年减小。NOX排放中以工业源和交通源为主，占比变化不大；电力行业则呈减少趋势（图4）。

图4 不同控制区内人为源NMVOC和NOx排放量Fig.4 Anthropogenic NMVOC and NOx emissions in VOCs-limited、NOx-limited and transitional regimes

（3）2012年之前，VOCs 控制区以焦作市为中心，向周边辐射。之后，VOCs 控制区向协同控制区转变。VOCs 控制区内NO2浓度较高，火电厂分布密度较高，电力行业排放NOx 在2013年之前超过40%，之后下降至2016年的18%（图4），主要位于安阳、鹤壁、新乡东北部、焦作、郑州和洛阳东北部。2012年之后，部分VOCs控制区向协同控制区转变，主要归因于燃煤电厂及工业设施执行的严格脱硝措施。值得注意的是，虽然区域内NOX排放大幅减少，但其O3浓度呈逐年增加趋势，这主要是由于区域内VOCs 的减排速率要远小于NOX减排（图4）。

基于MECI清单及O3-NOX-VOCs敏感性分区结果，图4 进一步展示了不同控制区内交通、民用、电力和工业这4 个行业的臭氧生成前体物NMVOC和NOx的排放量。可以看出：

（1）工业源排放的NMVOC 在3 种敏感分区内均占主导地位，VOCS控制区内占比最多（平均占比约67%），NOX控制区内占比最低（平均占比约56.5%）。其次是交通行业，交通源排放的NMVOC在3 种敏感区内占比基本相同（平均占比约23.9%）。民用排放NMVOC 在NOx 控制区内的比例较大（平均占比19.5%），在协同控制区内占比约为14.8%，在VOCS控制区内占比最小（平均约8.8%）。

（2）2013年之前，电力行业NOx 排放在VOCs控制区比例较大，随后出现下降趋势。2016年电力行业排放的NOX已位于交通源和工业源之后。协同控制区内NOx排放主要来自交通和工业源。

（3）NOx 控制区内，交通行业排放的NOx 前体物最多，其次是工业和电厂。2013年之后，河南省电力行业的臭氧前体物排放得到了有效控制，尤其是NOX大幅减少，应进一步加强对工业源和交通源的管控。

3.2 O3-NOX-VOCs敏感性的时间变化特征

2005年—2016年夏季河南省及其不同敏感分区内HCHO 柱浓度、对流层NO2柱浓度和FNR 值的变化如图5所示。可以发现：

（1）河南省内HCHO 浓度的最大值（1.59×1016molec./cm2）出现在2013年，其他年份呈现波动上升趋势（图5（a））。HCHO 在VOCs 控制区、协同控制区、NOx控制区均呈现出相同的变化态势（图5（b）—图5（d））。协同控制区内HCHO 浓度均值（1.43×1016molec./cm2）和NOx 控制区内HCHO浓度均值相当（1.42×1016molec./cm2），VOCs 控制区内HCHO浓度均值最小（1.32×1016molec./cm2）。

图5 2005年—2016年河南省夏季HCHO、NO2和FNR的变化趋势Fig.5 Variations of HCHO，NO2 and FNR from 2005 to 2016 in summer in Henan Province

（2）河南省内NO2浓度总体上呈现先上升、后下降的变化趋势，最大值出现在2012年（5.82×1015molec./cm2）。随着燃煤电厂的脱硝设备运转和机动车排放标准的提高，2016年区域内浓度均值降至最低（约4.2×1015molec./cm2），较2012年下降约27.9%（图5（a））。不同控制区内的NO2浓度均值呈现较大的差异，VOCs 控制区内NO2浓度均值最大（约8.36×1015molec./cm2），协同控制区次之（约4.57×1015molec./cm2），NOx控制区最小（约2.87×1015molec./cm2）。VOCs 控制区和协同控制区内NO2浓度最大值均出现在2013年，NOx 控制区内NO2浓度最大值出现在2014年。这说明NOx 控制区内NO2减排效应相对滞后。

（3）河南省区域内夏季FNR 均值约为3.2，主要表现为协同控制区和VOCs 控制区，且VOCs 控制区内的O3浓度要大于协同控制区。2005年—2012年出现波动下降趋势，2013年上升至3.68，2014年—2015年继续呈现波动下降趋势，2016年FNR 值又有所上升。2015年之前OFS 趋向于协同控制区，2016年之后OFS 趋向于NOX控制区，这与Wang 等（2021a）的研究结果一致。其主要归因于NO2浓度值的剧烈变化引起的VOCs 控制区与协同控制区的转化（图5（a））。如果针对河南省全域制定相同的污染减排措施，则应以O3污染严重、占比最大的协同控制区为主，同时控制NOX和VOCs 的排放。FNR 值在不同控制区内的变化趋势有所差异。VOCs 控制区（FNR=1.67±0.07）和协同控制区（FNR=3.21±0.08）内FNR 值波动相似，与河南省全域基本一致。NOX控制区内FNR 变化趋势在2006年、2007年、2012年和2013年均异于VOCs 和协同控制区（FNR=5.02±0.14）。这主要归因于不同区域内HCHO 和NO2浓度变化比例不一致。因此，在河南省内应根据不同臭氧敏感区的特性制定相应的减排方案。

3.3 O3-NOX-VOCs敏感性空间变异的驱动力分析

利用2012年—2016年FNR、MEIC 清单及ERA5 气象数据，基于地理探测器探究了4 个人为源排放因子、6 个气象因子及任意两个因子之间的交互作用（共45 对）对河南省夏季OFS 变化的影响（图6）。图7 为FNR 与各因子间的散点图及Pearson相关系数结果。

图6 人为源排放和气象因子的q值（X1代表第一个影响因子，X2代表第二个影响因子，X1∩X2代表两个影响因子之间的交互作用）Fig.6 q values of anthropogenic emissions precursors and meteorological factors（Note that X1 donates the first factor，X2 donates the second factor，and X1∩X2 is the interaction between the two factors）

图7 河南省夏季臭氧生成敏感性指标FNR与各驱动因子的Pearson相关分析（*p＜0.05，**p＜0.01）Fig.7 Pearson correlations between FNR and each driving factor in Henan Province

研究发现：

（1）人为源排放是影响河南省夏季OFS 变化的主要驱动要素；随着4 种人为源排放的增加，FNR 值减小，区域内OFS 趋向于VOCs 控制区（图6（a），图7（a）—（d），详见附录B（电子版））。相较于NOx（q＝0.38）和NMVOC（q＝0.37），CO（q＝0.46）对OFS 变化的解释力更强。这可能归因于研究区内人为排放CO 要远大于NOX和NMVOC，CO 易与大气中的OH 自由基和O2发生反应生成更多的HO2自由基，使研究区内光化学反应速率增加，OFS 更易改变。PM2.5（q＝0.41）的增加使得研究区内趋向于VOCs 控制，这主要归因于PM2.5对HO2自由基和NOx的非均相吸收，抑制了O3的化学生成，使得OFS 更加受到VOCs 排放的影响，即对NOx 减排的敏感性降低（Li 等，2019）。

（2）气象因子中对河南省夏季OFS 变化解释力大于30%的仅有SSR（q＝0.321）和TCW（q＝0.302）。随着SSR 的增加，河南省夏季OFS 对VOCs 更加敏感（FNR 减小）。当SSR＞2000 KJ/m2时，OFS 趋向于VOCs 控制；当SSR＜1900 KJ/m2时，OFS趋向于NOx控制。这可能是由于SSR增加时，光照较强，导致光解反应加速，河南省夏季大气中的HCHO 浓度远大于NOx，较少VOCs 排放可减慢与O3生成相关的光化学过程（图7（h））。

TCW 对河南省夏季OFS 变化的影响较为复杂（图7（j）），为非线性：当TCW＜40 kg/m2时，TCW增加，OFS 对VOCs 更加敏感（FNR 减小）；当TCW＞40 kg/m2时，TCW 增加，OFS 对NOx 更加敏感（FNR增大）。

WS10（q＝0.243），BLH（q＝0.171）、SP（q＝0.157）和T2（q＝0.04）对OFS 的变化影响则较小（图7（e）—（j））。值得注意的是，地表2m 温度T2 对河南省夏季OFS 的变化影响很小，这可能是由于研究时间段为6—8月，温度浮动较小的原因。10 m 风速WS10 对OFS 变化的影响也分为两个阶段，当WS10＜2.7 m/s 时，风速较小，WS10 增加，FNR 降低，OFS 对VOCs 的敏感性增加；当WS10＞2.7 m/s 时，风速较大，WS10 增加，FNR 增加，OFS对NOx的敏感性增加。

（3）任意两个因子对OFS 空间分布变化的交互作用大于单一因子的独立作用，人为源前体物和气象因子的交互作用是河南省夏季OFS 变化的主要驱动力（图6（b））。在所有交互作用中，解释力大于60% 的为：CO∩TCW（q=0.784）、NMVOC∩TCW（q=0.711）、CO∩SSR（q=0.699）、TCW∩WS10（q=0.675）、NOx∩SSR（q=0.667）、NOx∩TCW（q=0.657）、NMVOC∩SSR（q=0.656）、PM2.5∩TCW（q=0.644）、CO∩SP（q=0.631）、CO∩WS10（q=0.622）、PM2.5∩SSR（q=0.62）、SSR∩WS10（q=0.616）和CO∩T2（q=0.612）。这主要归因于气象条件的改变，会导致大气光解反应发生改变。在不同的大气氧化性条件下，人为源前体物生成臭氧速率也发生改变，进而影响区域臭氧生成敏感性。河南省夏季OFS 的变化，则主要是由CO、NMVOC、NOx、PM2.5与气象因素TCW 和SSR 之间的交互作用引起。此外，TCW∩WS10 交互作用导致OFS 易发生改变，低风速低湿条件下，FNR 较小，OFS 对VOCs 更加敏感；高风速高湿条件下，FNR增大，OFS对NOx更加敏感。

4 讨 论

为了进一步验证OMI FNR（HCHO/NO2）不同阈值分区方案在河南省的适用性，对比分析河南省郑州市烟厂站点日尺度和月尺度卫星观测OMI FNR 与地面监测VOCs/NOx 的臭氧敏感性分区结果（表1，图8）。日尺度和月尺度分区方案采用相同的阈值。由于缺乏长时间序列地面实测数据，选取2018-05-01—2018-06-30 为对比时间段，与Li等（2021b）地面观测试验一致。可以发现：

表1 郑州市烟厂站点OMI FNR（HCHO/NO2）和地面实测VOCS/NOX的O3-NOX-VOCs敏感性结果对比Table 1 Comparison of O3-NOX-VOCs sensitivity between OMI FNR（HCHO/NO2）and ground-measured VOCS/NOXat YC site in Zhengzhou

（1）与地面日尺度观测结果相比，文中采用的Wang 等（2021a）的分区方案优于Duncan 等（2010a），但卫星观测样本较少。在2018-05—2018-06仅有的11 d卫星有效观测结果中，Wang 等（2021a）分区方案与地面观测结果一致性为72.7%，高于Duncan等（2010）分区方案的63.6%。

（2）OMI FNR（HCHO/NO2）卫星观测分区方案在敏感性趋于VOCs 控制时，分区效果较好，但在趋于协同控制和NOX控制时不确定性较大。这主要取决于分区方案选取的适用性，应进一步优化适用于河南省的阈值分区方案。

（3）OMI 卫星观测的月尺度分区结果与地面观测结果一致。OMI 卫星观测郑州市2018—05 和2018—06 的臭氧敏感性结果均为VOCs 控制区（图8（a）—（b）），这与地面监测郑州市5—6月以VOCS控制区为主相一致（Li 等，2021b）。

图8 河南省2018年5—7月O3敏感性月尺度分区结果Fig.8 Monthly classification results of ozone formation sensitivity in Henan Province from May to July 2018

虽然本文采用的OMI FNR（HCHO/NO2）阈值分区方案在月尺度上对河南省城市区域臭氧敏感性确定有较好的适用性，但仍有如下不足之处：（1）日尺度卫星观测样本较少，且当前方案仍缺乏对郊区的验证。（2）卫星观测手段确定臭氧敏感性依赖于天气条件及卫星成像质量，在需要确定每日的臭氧敏感性时，适用性不强。（3）还需进一步加强地面观测试验，为卫星观测方案确定合适的分区阈值提供参考。（4）当前使用的卫星观测数据分辨率较低，在未来的试验中可引入TROPOMI 等载荷较高、空间分辨率更优的传感器数据，以便刻画更为精细的臭氧敏感区划分。

5 结论

明确当地臭氧生成的光化学机制是制定有效臭氧污染控制策略的前提。为探究河南省O3-NOXVOCs 敏感性的时空分布特征及其空间变异的主要驱动力，首先采用OMI FNR 指示剂将研究区划分为VOCs 控制区、协同控制区和NOx 控制区。然后，结合同时期MEIC 清单中NMVOC 和NOx 的排放量数据，分析河南省OFS 的时空变化特征。最后，利用地理探测器的“分异及因子探测器”和“交互作用探测器”来定量分析气象条件、人为源排放及其交互作用对河南省OFS 空间异质性的影响。主要结论如下：

（1）O3-NOX-VOCs 敏感性在时间和空间上都存在变化。OFS分区以协同控制区为主，区域内对流层NO2柱浓度的剧烈变化决定了VOCs 控制区面积的增加或减少。中国实施的大气污染减排措施直接影响了OFS 的分区，尤其是NOX的大量减排。2015年之前，OFS 向协同控制区转变，2016年开始向NOx控制区转变。

（2）不同OFS 区域内各行业的NMVOC 和NOx排放总量有所差异。3 种控制区内对NMVOC 贡献最大的均为工业过程排放。VOCs 控制区内NOx 排放主要贡献因子发生剧烈变化，最初由电力行业主导（2008年），后转变为电力为主、交通和工业占比提升（2012年—2013年），现在为交通和工业共同主导（2016年）。NOx 控制区中交通行业排放的NOx 贡献最大。协同控制区内交通排放NOx 贡献最大，工业和民用占比基本不变，电力行业减少。

（3）人为源排放前体物是河南省夏季O3-NOXVOCs 敏感性变化的主要驱动因子。随着CO、PM2.5、NOx 和NMVOC 的排放量增加，FNR 减小，OFS 对NOx 减排的敏感性降低，易受VOCs 排放的影响。

（4）SSR 和TCW 是河南省夏季O3-NOX-VOCs敏感性变化的两个主要气象因素，但两者对OFS的影响方式有所差异。SSR 增加使臭氧生成对VOCs 更加敏感。当湿度较小时，TCW 增加，OFS对VOCs 更加敏感；当湿度较大时，TCW 增加，OFS对NOx更加敏感。

（5）因子间的交互作用加剧了OFS 的空间变化，CO、NMVOC、NOx、PM2.5与气象因素TCW 和SSR之间的交互作用占主导地位。

采用卫星观测OMI FNR 指示剂来表征O3生成敏感性，可提供空间上连续的数据。但卫星柱浓度产品对地面空气质量监测的适用性仍需加强研究，尤其是OMI FNR 的本地化阈值确定。由于臭氧生成敏感性与其前体物之间的非线性关系，以及气象条件与前体物之间的复杂反应机制，理解潜在影响因子及其相互作用对臭氧敏感性发生变化的相对重要性仍是当前面临的难题。以后的研究也应考虑自然源前体物对臭氧生成的影响。

志 谢论文中使用的郑州市地面观测VOCS和NOX数据来源于郑州大学化学学院及河南省环境监测中心，在此表示衷心的感谢！